CN113378640A - 基于手掌生物识别的身份认证方法、装置、设备及介质 - Google Patents
基于手掌生物识别的身份认证方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113378640A CN113378640A CN202110515788.XA CN202110515788A CN113378640A CN 113378640 A CN113378640 A CN 113378640A CN 202110515788 A CN202110515788 A CN 202110515788A CN 113378640 A CN113378640 A CN 113378640A
- Authority
- CN
- China
- Prior art keywords
- palm
- preset
- finger
- features
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于手掌生物识别的身份认证方法、装置、设备及介质,所述方法包括:获取待认证对象的手掌图像;提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。本发明可以有效保护用户的身份信息,提高身份认证的安全性和可靠性。
Description
技术领域
本发明涉及一种基于手掌生物识别的身份认证方法、装置、设备及介质,属于身份认证技术领域。
背景技术
随着计算机技术的快速发展和移动支付等便捷手段的出现,携带现金逐渐成为了历史,在不久的将来,实体身份证也将被身份识别技术取代,不需携带实体身份证就可以方便出门,将成为一种趋势。
身份认证主要使用生物特征识别技术,生物特征识别技术是利用人的固有生理特征或者行为特征,进行个人身份识别的技术。生物特征识别技术使用方便,每个人都是利用自已固有且唯一的生物特征来标识身份信息,与传统的身份识别的方式相比,它不需要设置密码,也不需随身携带钥匙、IC卡等物品,能够提供更为安全、可靠和快捷的身份鉴别和认证结果。目前,生物特征识别技术已经得到人们越来越多的重视,应用的领域也越来越多,如门禁、支付等领域。然而,现有的生物特征识别技术非常简单,并且容易被别人盗用,如掌指纹识别、掌静脉识别等,当用户在睡眠、喝醉、晕倒、昏迷等情况下,其指纹和掌静脉等生物特征在未经用户个人同意的情况下仍然可以被正常使用,,从而给合法用户带来一定的损失。另外,当用户遇到暴力挟持的时候,没有一种隐晦安全有效的报警措施,用户只能听从歹徒的指示转账,直接造成对用户损失,甚至危害个人性命。
发明内容
有鉴于此,本发明提供了一种基于手掌生物识别的身份认证方法、装置、设备及介质,其可以有效保护用户的身份信息,提高身份认证的安全性和可靠性。
本发明的第一个目的在于提供一种基于手掌生物识别的身份认证方法。
本发明的第二个目的在于提供一种基于手掌生物识别的身份认证装置。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种计算机可读存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种基于手掌生物识别的身份认证方法,所述方法包括:
一种基于手掌生物识别的身份认证方法,所述方法包括:
获取待认证对象的手掌图像;
提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;
根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
在其中一个实施例中,所述根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,包括:
将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配,以对所述待认证对象进行合法性认证,得到认证结果。
在其中一个实施例中,所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配,包括:
将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值;
针对所述第一相似值大于第一预设阈值所对应的预设手掌模板,将所述掌静脉特征、所述掌纹特征和/或掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值;
针对所述第二相似值大于第二预设阈值所对应的预设手掌模板,判断该预设手掌模板对应的用户账号为所述待认证对象的账号。
在其中一个实施例中,所述将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值,包括:
将所述掌静脉特征与该预设手掌模板的预设掌静脉特征进行比对,得到第二相似值;
和/或将所述掌纹特征与该预设手掌模板的预设掌纹特征进行比对,得到第二相似值;
和/或将所述掌纹及掌静脉特征与该预设手掌模板的预设掌纹及掌静脉特征进行比对,得到第二相似值。
在其中一个实施例中,所述将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值,包括:
将所述手指特征的每个手指宽度与所述预设手指特征的每个手指宽度进行比对,得到手指宽度相似值;
将所述手指特征的每个手指弯曲度与所述预设手指特征的每个手指弯曲度进行比对,得到手指弯曲度相似值;
将所述手指特征的每两个相邻手指之间的距离和夹角角度与所述预设手指特征的每两个相邻手指之间的距离和夹角角度进行比对,得到手指距和夹角离相似值;
根据所述手指宽度相似值、手指弯曲度相似值以及手指距离和夹角相似值,计算所述手指特征与所述预设手指特征的第一相似值。
在其中一个实施例中,所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配之后,还包括:
对待认证对象进行账号、密码和/或预设数字的校验。
在其中一个实施例中,所述提取所述手掌图像中的手掌特征,包括:
将所述手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到手指特征;
将所述手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到掌静脉特征;和/或将所述手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到掌纹特征;和/或将所述手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到掌纹及掌静脉特征。
在其中一个实施例中,所述获取待认证对象的手掌图像之前,还包括:
当用户注册时,获取所述用户的用户账号以及所述用户的至少一张预设手掌图像;
提取所述预设手掌图像中的预设手掌特征,所述预设手掌特征包括预设手指特征以及预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征;
根据所述预设手掌特征,确定预设手掌模板;
存储所述预设手掌模板与所述用户账号的对应关系,并存储所述用户设置的所述预设手掌模板与待执行指令的对应关系。
在其中一个实施例中,所述提取所述预设手掌图像中的预设手掌特征,包括:
将所述预设手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到预设手指特征;
将所述预设手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到预设掌静脉特征;和/或将所述预设手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到预设掌纹特征;和/或将所述预设手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到预设掌纹及掌静脉特征。
在其中一个实施例中,所述获取待认证对象的手掌图像之前,还包括:
通过预设条件缩小手掌图像搜寻对象的范围。
在其中一个实施例中,所述通过预设条件缩小手掌图像搜寻对象的范围,包括:
接收用户终端发送的位置信息,所述位置信息是用户终端在检测到当前时间满足有效认定时间段且当前位置处于有效授权热点范围内时周期性发送的,所述用户终端和待认证对象关联;
接收目标业务终端发送的信息认证请求,所述信息认证请求包括所述目标业务终端的标识信息以及采集的所述活体手掌图像信息;
基于所述目标业务终端的标识信息以及各个用户终端上传的位置信息确定所述目标业务终端预设范围内的有效用户。
在其中一个实施例中,所述提取所述手掌图像中的手掌特征之前,还包括:
判断所述手掌图像是否达标;
若所述手掌图像达标,则判断所述手掌图像是否符合特征提取需求;
若所述手掌图像符合特征提取需求,则对所述手掌图像进行活体识别,判断所述手掌图像是否来源于真实活体。
在其中一个实施例中,还包括:
若认证结果表示待认证对象合法,则根据手掌特征查找相对应的待执行指令;
根据所述待执行指令,执行与所述待执行指令对应的操作。
本发明的第二个目的可以通过采取如下技术方案达到:
一种基于手掌生物识别的身份认证装置,所述装置包括:
获取模块,用于获取待认证对象的手掌图像;
提取模块,用于提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;
认证模块,用于根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
本发明的第三个目的可以通过采取如下技术方案达到:
一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的身份认证方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种计算机可读存储介质,存储有程序,所述程序被处理器执行时,实现上述的身份认证方法。
本发明相对于现有技术具有如下的有益效果:
本发明通过获取待认证对象的手掌图像,并提取所述手掌图像中的手掌特征,该手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征,根据手掌特征和预设手掌模板列表,对待认证对象进行合法性认证,能够确认待认证对象为真实本人,使得计算机设备能够根据待认证对象不同的手掌动作执行相应的操作指令,由于要做手掌动作才可以完成指定的操作指令,通常用户在工作、娱乐、睡觉、昏迷、醉酒、日常生活中或不知情的情况下不会呈现这些自定义的手掌动作,即这些自定义的手掌动作是由用户的个人意愿所做出来的,因此,能有效防止手掌信息被盗用,可以有效保护用户的身份信息,提高身份认证的安全性和可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的基于手掌生物识别的身份认证方法的流程图。
图2为本发明实施例1的对手掌图像进行判断的流程图。
图3为本发明实施例1的确定预设手掌模板的流程图。
图4为本发明实施例1的确定待认证对象所在位置并响应身份认证请求的流程图。
图5为本发明实施例2的基于手掌生物识别的身份认证装置的结构框图。
图6为本发明实施例3的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
目前的计算机设备在执行用户的支付、门禁通过等操作时,通常采用人脸识别技术确认用户身份,由于使用了人脸识别作为操作手段,因此,可以通过照片、视频等手段冒充用户身份进行认证行为,危害用户的利益,考虑到现有计算机设备的指令操作确认方式的安全性和可靠性均较低,易被不法分子利用,为改善人脸识别的问题,出现了一种新兴的手掌生物识别技术:掌静脉识别,掌静脉就是透过手掌的皮肤隐约可见的青筋,包括手掌范围内的所有静脉系统,静脉是导血回心的血管,起于毛细血管,止于心房,体静脉中的血液含有较多的二氧化碳,血色暗红,肺静脉中的血液含有较多的氧,血色鲜红,小静脉起于毛细血管,在回心过程中逐渐汇合成中静脉、大静脉,最后注入心房,掌静脉识别是利用近红外线照射手掌,并由传感器感应手掌反射的光,其中的关键在于流到静脉红血球中的血红蛋白对波长760nm附近的近红外线会有吸收,导致静脉部分的反射较少,在影像上就会产生静脉图案,也就是说,静脉识别是利用反射近红外线的强弱来辨认静脉的位置,但现有掌静脉识别由于使用了标准手掌动作作为支付的手段,因此,用户很容易在不知不觉中被盗用了的掌静脉信息进行某种认证行为,极大危害了用户的利益,为此本发明实施例提供了一种基于手掌生物识别的身份认证方法,能够确认待认证对象为真实本人,使得计算机设备能够根据待认证对象不同的手掌动作执行相应的操作指令,由于要做手掌动作才可以完成指定的操作指令,通常用户在工作、娱乐、睡觉、昏迷、醉酒、日常生活中或不知情的情况下不会呈现这些自定义的手掌动作,因此,能有效防止手掌信息被盗用,可以有效保护用户的身份信息,提高身份认证的安全性和可靠性。
如图1所示,为本实施例的基于手掌生物识别的身份认证方法的流程图,该方法主要通过计算机设备实现,计算机设备可以为支付设备、自助终端机、智能手机、智能电视、服务器、云服务器、个人电脑、笔记本电脑、平板电脑、工控机、嵌入式设备、安卓开发板、鸿蒙开发板、手持设备、智能腕表、智能眼镜、智能POS机、智能扫描枪、智能机器人、智能汽车、智能家居、智能门禁、智能缴费终端等,该方法包括以下步骤:
S101、获取待认证对象的手掌图像。
在一个实施例中,通过设有近红外摄像头的图像采集装置采集待认证对象的手掌图像,图像采集装置的摄像头距离待认证对象的手掌预设距离区间内,在预设距离区间内,摄像头的图像采集效果较佳,更有助于进行图像采集。
在一个实施例中,为了提高手掌图像采集的准确性,通过设有双目摄像头的图像采集装置采集待认证对象的手掌图像,双目图像采集装置分别为第一摄像头和第二摄像头,其中第一摄像头用于采集可见光图像,第二摄像头用于采集近红外图像;其中,可见光为人眼可见的光照波长范围为400nm~750nm,近红外光的波长在750nm~2526nm范围内的光谱,优选地为760nm、850nm、890nm、920nm或940nm。
在一个实施例中,当双目摄像头图像采集装置采集可见光图像和近红外图像后,判断可见光图像和近红外图像中包含的手掌图像是否为同一手掌,考虑到每个摄像头采集的图像可能包含多个手掌的情况,实现了对可见光图像和近红外图像中包含的人脸图像是否为同一手掌的判断,进而避免了检测漏洞的出现,由此以确保可见光图像和近红外图像中包含的手掌为同一待认证对象。
在一个实施例中,当判断可见光图像和近红外图像中包含的手掌图像为同一手掌后,将可见光图像和近红外图像中包含的手掌图像规范化为预设尺寸大小,然后进行融合,得到待认证对象的手掌图像,具体地,融合方式可以采用基于加权平均的融合方法、基于绝对值取大的融合方法、基于主成分析PCA的融合方法、IHS融合方法、基于小波变换的图像融合方法等。
在一个实施例中,当得到待认证对象的手掌图像后,还可以识别并去除手掌图像中明显的噪声点,如将灰度值与预设面积大小的手掌图像区域的灰度平均阈值区间不匹配的像素点作为噪声点从手掌图像中去除;还可以对边缘部分按照预设图像处理方法进行平滑处理,提高手掌图像的清晰度和特异度,以便后续进行特征提取。
S102、提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征。
手掌特征可以是手指特征和掌静脉特征的组合,可以是手指特征和掌纹特征的组合,可以是手指特征和掌纹及掌静脉特征的组合,可以是手指特征、掌静脉特征和掌纹特征的组合,可以是手指特征、掌纹特征和掌纹及掌静脉特征的组合;其中,掌静脉特征和掌纹及掌静脉特征可以从近红外图像中提取得到,掌纹特征可以从可见光图像中提取得到。
随着深度学习神经网络等技术的不断发展,还可以通过深度学习神经网络分类器对手指特征、掌静脉特征、掌纹特征、掌纹及掌静脉特征进行分类训练、识别,例如预先获取多张手掌训练图像,对手掌训练图像中的手指进行标记,通过对神经网络模型分类器进行分类训练,进而得到可以识别手指特征的手指识别神经网络,同理对手掌训练图像中的掌静脉进行标记,通过对神经网络模型分类器进行分类训练,进而得到可以识别掌静脉特征的掌静脉识别神经网络,对手掌训练图像中的掌纹进行标记,通过对神经网络模型分类器进行分类训练,进而得到可以识别掌纹特征的掌纹识别神经网络,对手掌训练图像中的掌纹及掌静脉进行标记,通过对神经网络模型分类器进行分类训练,进而得到可以识别掌纹及掌静脉特征的掌纹及掌静脉识别神经网络。
在一个实施例中,提取所述手掌图像中的手掌特征,可以采用的方式是:将所述手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到手指特征。
在一个实施例中,提取所述手掌图像中的手掌特征,可以采用的方式是:将所述手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到掌静脉特征。
在一个实施例中,提取所述手掌图像中的手掌特征,可以采用的方式是:将所述手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到掌纹特征。
在一个实施例中,提取所述手掌图像中的手掌特征,可以采用的方式是:将所述手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到掌纹及掌静脉特征。
通过深度学习对手指特征、掌纹特征、掌静脉特征、掌纹及掌静脉特征进行识别,可以提高准确性。
S103、根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
在一个实施例中,根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,包括:将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板的对应特征进行匹配,以对所述待认证对象进行合法性认证,得到认证结果。
在一个实施例中,将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板的对应特征进行匹配,可以采用的方式是:将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值;针对所述第一相似值大于第一预设阈值所对应的预设手掌模板,将所述掌静脉特征、所述掌纹特征和/或掌纹及掌静脉特征与该预设手掌模板对应的预设特征进行比对,得到第二相似值;针对所述第二相似值大于第二预设阈值所对应的预设手掌模板,该预设手掌模板与待认证对象的手掌特征一致,说明手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个预设手掌模板匹配成功,判断该预设手掌模板对应的用户账号为所述待认证对象的账号。
在一个实施例中,将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值,包括:将所述掌静脉特征与该预设手掌模板的预设掌静脉特征进行比对,得到第二相似值;和/或将所述掌纹特征与该预设手掌模板的预设掌纹特征进行比对,得到第二相似值;和/或将所述掌纹及掌静脉特征与该预设手掌模板的预设掌纹及掌静脉特征进行比对,得到第二相似值。
在一个实施例中,将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值,可以采用的方式是:将所述手指特征的每个手指宽度与所述预设手指特征的每个手指宽度进行比对,得到手指宽度相似值;将所述手指特征的每个手指弯曲度与所述预设手指特征的每个手指弯曲度进行比对,得到手指弯曲度相似值;将所述手指特征的每两个相邻手指之间的距离和夹角角度与所述预设手指特征的每两个相邻手指之间的距离和夹角角度进行比对,得到手指距离和夹角相似值;根据所述手指宽度相似值、手指弯曲度相似值以及手指距离和夹角相似值,计算所述手指特征与所述预设手指特征的第一相似值;可选地,第一相似值的计算可以是直接将手指宽度相似值、手指弯曲度相似值、以及手指距离和夹角相似值进行相加,也可以给予手指宽度相似值、手指弯曲度相似值、以及手指距离和夹角相似值不同的权重,然后进行相加。
当手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个预设手掌模板对应特征匹配成功后,可以认为待认证对象是合法的,但为了进一步提高身份认证的安全性,在一个实施例中,将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配之后,还包括:对待认证对象进行账号(例如用户账户、开放账号、银行账号等)、密码和/或预设数字(例如身份证号码预设位数的数字、手机号码预设位数的数字等)的校验。
通过步骤S103合法性认证后,若认证结果表示待认证对象合法,计算机设备可以根据手掌特征查找相对应的待执行指令,待执行指令可以包括确认、否定、支付、大额支付、报警等,然后根据待执行指令,执行与待执行指令对应的操作,能有效防止手掌信息被盗用,可以有效保护用户的身份信息,提高身份认证的安全性和可靠性。
为了确保所获取的手掌图像能够进行后续处理,如图2所示,为对待认证对象的手掌图像进行判断的流程图,整个过程在步骤S102之前执行,具体流程包括:
S201、判断所述手掌图像是否达标,例如手掌图像的尺寸、清晰度等是否达标,若是,则进入步骤S202,若否,则结束识别,并进行提示。
S202、判断所述手掌图像是否符合特征提取需求,若是,则进入步骤S203,若否,则结束识别,并进行提示。
S203、对所述手掌特征进行活体识别,判断所述手掌特征是否来源于真实活体,若是,则执行步骤S102;若否,则结束识别,并进行提示。
通过步骤S203的活体识别,可以防范他人冒用待认证对象的身份信息。
为了实现步骤S101~S103,如图3所示,为确定预设手掌模板的流程图,整个过程在步骤S101之前执行,具体流程包括:
S301、当用户注册时,获取所述用户的用户账号以及所述用户的至少一张预设手掌图像。
以第一用户为例,当第一用户注册时,计算机设备可以指示第一用户做不同的自定义手掌动作,从而通过摄像头采集第一用户呈现的不同的自定义手掌动作的预设手掌图像。
具体地,每张预设手掌图像对应一组预设手掌特征,若第一用户只需要设置与支付转账的待执行指令相对应的手掌特征,则只需获取一张第一用户自定义手掌动作的预设手掌图像,但考虑到第一用户每次做自定义动作存在微小偏差,为了提高识别准确率,可以获取多张第一用户相同手掌动作的预设手掌图像;若第一用户需要设置与支付转账的待执行指令相对应的手掌特征,以及设置与短信报警的待执行指令相对应的手掌特征,则需要获取第一用户两种不同的自定义手掌动作的预设手掌图像,每种自定义手掌动作的预设手掌图像为至少一张。
S302、提取所述预设手掌图像中的预设手掌特征,所述预设手掌特征包括预设手指特征以及预设掌静脉特征、预设掌纹特征和/或掌纹及掌静脉特征。
在一个实施例中,提取所述预设手掌图像中的预设手掌特征,可以采用的方式是:将所述预设手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到预设手指特征;
在一个实施例中,提取所述预设手掌图像中的预设手掌特征,可以采用的方式是:将所述预设手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到预设掌静脉特征。
在一个实施例中,提取所述预设手掌图像中的预设手掌特征,可以采用的方式是:将所述预设手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到预设掌纹特征。
在一个实施例中,提取所述预设手掌图像中的预设手掌特征,可以采用的方式是:将所述预设手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到掌纹及掌静脉特征。
S303、根据所述预设手掌特征,确定预设手掌模板。
如上所述,若第一用户只需要设置与支付转账的待执行指令相对应的手掌特征,则只需获取一张第一用户自定义手掌动作的预设手掌图像,对应的一组预设手掌特征构成一个预设手掌模板,但也可以获取多张第一用户相同手掌动作的预设手掌图像,对应的多组预设手掌特征构成一个预设手掌模板。
如上所述,若第一用户需要设置与支付转账的待执行指令相对应的手掌特征,以及设置与短信报警的待执行指令相对应的手掌特征,则需要获取第一用户两种不同的自定义手掌动作的预设手掌图像,其中一种自定义手掌动作的预设手掌图像为一张时,对应的一组预设手掌特征构成一个预设手掌模板,为多张时,对应的多组预设手掌特征构成一个预设手掌模板;另一种自定义手掌动作的预设手掌图像为一张时,对应的一组预设手掌特征构成一个预设手掌模板,为多张时,对应的多组预设手掌特征构成一个预设手掌模板。
S304、存储所述预设手掌模板与所述用户账号的对应关系,并存储所述用户设置的所述预设手掌模板与待执行指令的对应关系。
计算机设备可以存储预设手掌模板与用户账号的对应关系,第一用户可以自行设置手掌动作所形成的预设手掌特征与待执行指令的对应关系,例如食指弯曲的手掌动作所形成的预设手掌特征,与支付转账的待执行指令相对应,食指和无名指同时弯曲的手掌动作所形成的预设手掌特征,与大额支付的待执行指令相对应,拇指和无名指同时弯曲的手掌动作所形成的预设手掌特征,与短信报警的待执行指令相对应,由计算机设备对预设手掌特征与待执行指令的对应关系进行存储。
在一个实施例中,可以由用户终端完成上述基于手掌生物识别的身份认证方法,具体的,该用户终端可以为手机、电脑等个人设备,该用户终端包括图像采集装置、手掌特征提取模块和手掌识别模块,以及用于存储预设手掌模板与待执行指令的对应关系的指令数据库,用于存储用户的用户账号、预设手掌模板列表、预设手掌模板与用户账号的对应关系的数据库;通过图像采集装置采集待认证对象的手掌图像,由手掌特征提取模块提取手掌图像中的手掌特征,由手掌识别模块根据手掌特征和预设手掌模板列表,对待认证对象进行合法性认证,得到认证结果,若认证结果表示待认证对象合法,用户终端根据手掌特征查找相对应的待执行指令,然后执行与待执行指令对应的操作。实现用户终端通过手掌生物设备进行本地解锁等功能。
在另一个实施例中,可以由用户终端和服务器共同完成上述基于手掌生物识别的身份认证方法,该用户终端可以为手机、电脑、自助办理终端、银行ATM机等设备,可以由通过用户终端的图像采集装置采集待认证对象的手掌图像,将手掌图像发送给服务器,由服务器提取手掌图像中的手掌特征,根据手掌特征和预设手掌模板列表,对待认证对象进行合法性认证,得到认证结果,若认证结果表示待认证对象合法,服务器根据手掌特征查找相对应的待执行指令,将待执行指令发送给用户终端,由用户终端执行与待执行指令对应的操作。实现用户终端通过手掌生物设备进行联网认证等功能。
在另一个实施例中,在步骤S101之前,还包括:通过预设条件缩小手掌图像搜寻对象的范围,缩小搜寻数量的方法可以采用GPS、键盘(输入手机号码后4位)、二维码、NFC、蓝牙、其他生物识别(人脸、虹膜、声纹)等。
在另一个实施例中,为了缩小搜寻对象的范围以及保证用户的位置隐私安全和控制用户账号有效和无效从而保障账号安全,如图4所示,为确定待认证对象所在位置并响应身份认证请求的流程图,整个过程在步骤S101之前执行,以服务器作为执行主体,具体流程包括:
S401、接收用户终端发送的位置信息,所述位置信息是用户终端在检测到当前时间满足有效认定时间段且当前位置处于有效授权热点范围内时周期性发送的,所述用户终端和待认证对象关联。
在一个实施例中,获取所述待认证对象的位置信息,可以采用的方式是:用户终端具备位置检测功能,同时其自身具有时钟,终端设备可以每隔一段时间检测一次自身当前的位置,可以发送给服务器也可以不发送。热点相当于一个虚拟的激活点,每个热点对应一个目标业务终端的位置信息。用户终端记录至少一个热点信息,当用户终端同时满足某热点的时间和位置的预设条件的时候,即用户终端当前时间处于该热点的预设时间端内并且当前位置处于热点预设范围内的时候,用户终端周期性地发送当前位置信息给服务器,则待认证对象的账号在该热点位置为有效。用户终端和待认证对象关联,则用户终端的位置信息即为待认证对象的位置信息。用户终端可以为手机、智能手表等个人移动设备。
S402、接收目标业务终端发送的信息认证请求,所述信息认证请求包括所述目标业务终端的标识信息以及采集的所述活体手掌图像信息。
在一个实施例中,待认证对象进行身份信息认证,可以采用的方式是:当进行信息认证时,目标业务终端实时采集待认证对象的活体手掌图像信息并上传至服务器。其中,该目标业务终端的标识信息用于对目标业务终端进行标识,以用于服务器进行相应的匹配查询。
S403、基于所述目标业务终端的标识信息以及各个用户终端上传的位置信息确定所述目标业务终端预设范围内的有效用户。
在一个实施例中,服务器确定有效用户,可以采用的方式是:服务器中事先存储了各个目标业务终端的标识信息,通过标识信息的查询以确定出各目标业务终端的位置信息,如注册时填写的当前卫星定位信息。在另一个实施例中,还可以是目标业务终端直接发送实时位置信息至服务器。服务器以目标业务终端位置为中心,确定在预设范围内的所有用户终端所对应的用户为有效用户。
进一步地,待认证对象的用户终端周期性地向服务器发送待认证对象的位置信息可以基于GPS(Global Positioning System,全球定位系统)、BDS(BeiDou NavigationSatellite System,中国北斗卫星导航系统)、LBS(Location Based Service,基站定位)、GSM(Global System for Mobile communications,全球移动通信系统)、IP(InternetProtocol,互联网协议)地址定位等至少一种定位技术对待认证对象的用户终端的位置进行定位。
进一步地,目标业务终端可以为支付终端和/或身份认证终端;具体地,支付终端可以包括收银机、POS(point of sale,销售终端)机、自助结算机、智能扫描枪、手持设备、平板电脑、智能电视、手机、抓娃娃机、游戏机、自助缴费机、自助充值机和智能支付设备等;身份认证终端可以包括自助办理终端(电子政务自助办理终端、电子银行自助办理终端、电子税务自助办理终端、酒店入住自助办理终端、ATM机、排队机、取号机、自助打单机、自助发票机、自助取票机、自助结算机等)、共享设备、智能机器人、无人机、身份认证机、会员及贵宾识别设备、智能门禁、智能可视对讲设备和智能闸门等。
实施例2:
本实施例提供了一种基于手掌生物识别的身份认证装置,如图5所示,为本实施例的基于手掌生物识别的身份认证装置的结构框图,该装置包括第一获取模块501、第二提取模块502和认证模块503,各个模块具体功能如下:
第一获取模块501,用于获取待认证对象的手掌图像。
第一提取模块502,用于提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征。
认证模块503,用于根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
在一个实施例中,认证模块503用于:将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配,以对所述待认证对象进行合法性认证,得到认证结果。
在一个实施例中,将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配,包括:将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值;针对所述第一相似值大于第一预设阈值所对应的预设手掌模板,将所述掌静脉特征、所述掌纹特征和/或掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值;针对所述第二相似值大于第二预设阈值所对应的预设手掌模板,判断该预设手掌模板对应的用户账号为所述待认证对象的账号。
在一个实施例中,所述将所述掌静脉特征、所述掌纹特征和/或掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,包括:将所述掌静脉特征与该预设手掌模板的预设掌静脉特征进行比对,得到第二相似值;和/或将所述掌纹特征与该预设手掌模板的预设掌纹特征进行比对,得到第二相似值;和/或将所述掌纹及掌静脉特征与该预设手掌模板的预设掌纹及掌静脉特征进行比对,得到第二相似值。
在一个实施例中,将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值,包括:将所述手指特征的每个手指宽度与所述预设手指特征的每个手指宽度进行比对,得到手指宽度相似值;将所述手指特征的每个手指弯曲度与所述预设手指特征的每个手指弯曲度进行比对,得到手指弯曲度相似值;将所述手指特征的每两个相邻手指之间的距离和夹角角度与所述预设手指特征的每两个相邻手指之间的距离和夹角角度进行比对,得到手指距离和夹角相似值;根据所述手指宽度相似值、手指弯曲度相似值、手指距离和夹角相似值,计算所述手指特征与所述预设手指特征的第一相似值。
在一个实施例中,认证模块503还用于:对待认证对象进行账号、密码和/或预设数字的校验,例如用户账号、开放账号、银行账号、身份证号码预设的数字、手机号码预设的数字等。
在一个实施例中,第一提取模块502用于:
将所述手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到手指特征;
将所述手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到掌静脉特征;和/或将所述手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到掌纹特征;和/或将所述手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到掌纹及掌静脉特征。
在一个实施例中,身份认证装置还包括:
查找模块,用于若认证结果表示待认证对象合法,则根据手掌特征查找相对应的待执行指令。
执行模块,用于根据所述待执行指令,执行与所述待执行指令对应的操作。
在一个实施例中,身份认证装置还包括:
缩小模块,用于通过预设条件缩小手掌图像搜寻对象的范围。
在一个实施例中,通过预设条件缩小手掌图像搜寻对象的范围,包括:接收用户终端发送的位置信息,所述位置信息是用户终端在检测到当前时间满足有效认定时间段且当前位置处于有效授权热点范围内时周期性发送的,所述用户终端和待认证对象关联;接收目标业务终端发送的信息认证请求,所述信息认证请求包括所述目标业务终端的标识信息以及采集的所述活体手掌图像信息;基于所述目标业务终端的标识信息以及各个用户终端上传的位置信息确定所述目标业务终端预设范围内的有效用户。
在一个实施例中,身份认证装置还包括:
条件筛选模块,用于辅助缩小手掌特征比对数量,增加比对效率、提高比对准确度。
在一个实施例中,身份认证装置还包括:
第一判断模块,用于判断所述手掌图像是否达标。
第二判断模块,用于若所述手掌图像达标,则判断所述手掌图像是否符合特征提取需求。
第三判断,用于若所述手掌图像符合特征提取需求,则对所述手掌图像进行活体识别,判断所述手掌图像是否来源于真实活体。
在一个实施例中,身份认证装置还包括:
第二获取模块,用于当用户注册时,获取所述用户的用户账号以及所述用户的至少一张预设手掌图像;
第二提取模块,用于提取所述预设手掌图像中的预设手掌特征,所述预设手掌特征包括预设手指特征以及预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征;
第一确定模块,用于根据所述预设手掌特征,确定预设手掌模板;
存储模块,用于存储所述用户设置的所述预设手掌模板与所述用户账号的对应关系。
在一个实施例中,第二提取模块,用于:
将所述预设手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到预设手指特征;
将所述预设手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到预设掌静脉特征;和/或将所述预设手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到预设掌纹特征;和/或将所述预设手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到预设掌纹及掌静脉特征。
关于身份认证装置的具体限定可以参见上实施例1中对于身份认证方法的限定,在此不再赘述。上述身份认证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
实施例3:
本实施例提供了一种计算机设备,如图6所示,为本实施例的计算机设备的结构框图,其包括通过系统总线601连接的处理器602、存储器、输入装置603、显示装置604和网络接口605。
输入装置603可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入;具体地,输入装置603可包括触敏表面以及其他输入设备,触敏表面也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器602发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入装置603还可以包括其他输入设备,具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示装置604可用于显示由用户输入的信息或提供给用户的信息以用户设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成;显示装置604可包括显示面板,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板;进一步地,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器602以确定触摸事件的类型,随后处理器602根据触摸事件的类型在显示面板上提供相应的视觉输出,触敏表面与显示面板作为两个独立的部件来实现输入和输入功能,在某些情况下,也可以将触敏表面与显示面板集成而实现输入和输出功能。
存储器包括非易失性计算机可读存储介质606和内存储器607,该非易失性计算机可读存储介质606存储有操作装置、计算机程序和数据库,内存储器607为非易失性计算机可读存储介质中的操作装置和计算机程序的运行提供环境,存储器可进一步包括相对于处理器602远程设置的存储器,这些远程存储器可以通过网络连接至用户设备,所述网络包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器602可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器602中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器602可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合上述实施例1所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的非易失性计算机可读存储介质606中,非易失性计算机可读存储介质606位于存储器,处理器执行存储器存储的计算机程序时,实现以下步骤:获取待认证对象的手掌图像;提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,包括:将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配,以对所述待认证对象进行合法性认证,得到认证结果。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板的对应特征进行匹配,包括:将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值;针对所述第一相似值大于第一预设阈值所对应的预设手掌模板,将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值;针对所述第二相似值大于第二预设阈值所对应的预设手掌模板,判断该预设手掌模板对应的用户账号为所述待认证对象的账号。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤,所述将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值,包括:将所述掌静脉特征与该预设手掌模板的预设掌静脉特征进行比对,得到第二相似值;和/或将所述掌纹特征与该预设手掌模板的预设掌纹特征进行比对,得到第二相似值;和/或将所述掌纹及掌静脉特征与该预设手掌模板的预设掌纹及掌静脉特征进行比对,得到第二相似值。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值,包括:将所述手指特征的每个手指宽度与所述预设手指特征的每个手指宽度进行比对,得到手指宽度相似值;将所述手指特征的每个手指弯曲度与所述预设手指特征的每个手指弯曲度进行比对,得到手指弯曲度相似值;将所述手指特征的每两个相邻手指之间的距离和夹角角度与所述预设手指特征的每两个相邻手指之间的距离和夹角角度进行比对,得到手指距离和夹角相似值;根据所述手指宽度相似值、手指弯曲度相似值以及手指距离和夹角相似值,计算所述手指特征与所述预设手指特征的第一相似值。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配之后,还包括:对待认证对象进行账号、密码和/或预设数字的校验,例如用户账号、开放账号、银行账号、身份证号码预设的数字、手机号码预设的数字等。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:
所述提取所述手掌图像中的手掌特征,包括:将所述手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到手指特征;
将所述手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到掌静脉特征;和/或将所述手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到掌纹特征;和/或将所述手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到掌纹及掌静脉特征。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述获取待认证对象的手掌图像之前,还包括:当用户注册时,获取所述用户的用户账号以及所述用户的至少一张预设手掌图像;提取所述预设手掌图像中的预设手掌特征,所述预设手掌特征包括预设手指特征以及预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征;根据所述预设手掌特征,确定预设手掌模板;存储所述用户设置的所述预设手掌模板与所述用户账号的对应关系。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述提取所述预设手掌图像中的预设手掌特征,包括:
将所述预设手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到预设手指特征;
将所述预设手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到预设掌静脉特征;和/或将所述预设手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到预设掌纹特征;和/或将所述预设手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到预设掌纹及掌静脉特征。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:若认证结果表示待认证对象合法,则根据手掌特征查找相对应的待执行指令;根据所述待执行指令,执行与所述待执行指令对应的操作。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述获取待认证对象的手掌图像之前,还包括:通过预设条件缩小手掌图像搜寻对象的范围。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:通过预设条件缩小手掌图像搜寻对象的范围,包括:接收用户终端发送的位置信息,所述位置信息是用户终端在检测到当前时间满足有效认定时间段且当前位置处于有效授权热点范围内时周期性发送的,所述用户终端和待认证对象关联;接收目标业务终端发送的信息认证请求,所述信息认证请求包括所述目标业务终端的标识信息以及采集的所述活体手掌图像信息;基于所述目标业务终端的标识信息以及各个用户终端上传的位置信息确定所述目标业务终端预设范围内的有效用户。
在一个实施例中,处理器执行存储器存储的计算机程序时,还实现以下步骤:所述提取所述手掌图像中的手掌特征之前,还包括:判断所述手掌图像是否达标;若所述手掌图像达标,则判断所述手掌图像是否符合特征提取需求;若所述手掌图像符合特征提取需求,则对所述手掌图像进行活体识别,判断所述手掌图像是否来源于真实活体。
实施例4:
本实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现以下步骤:获取待认证对象的手掌图像;提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,包括:将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板的对应特征进行匹配,以对所述待认证对象进行合法性认证,得到认证结果。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板的对应特征进行匹配,包括:将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值;针对所述第一相似值大于第一预设阈值所对应的预设手掌模板,将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值;针对所述第二相似值大于第二预设阈值所对应的预设手掌模板,判断该预设手掌模板对应的用户账号为所述待认证对象的账号。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值,包括:将所述掌静脉特征与该预设手掌模板的预设掌静脉特征进行比对,得到第二相似值;和/或将所述掌纹特征与该预设手掌模板的预设掌纹特征进行比对,得到第二相似值;和/或将所述掌纹及掌静脉特征与该预设手掌模板的预设掌纹及掌静脉特征进行比对,得到第二相似值。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值,包括:将所述手指特征的每个手指宽度与所述预设手指特征的每个手指宽度进行比对,得到手指宽度相似值;将所述手指特征的每个手指弯曲度与所述预设手指特征的每个手指弯曲度进行比对,得到手指弯曲度相似值;将所述手指特征的每两个相邻手指之间的距离和夹角角度与所述预设手指特征的每两个相邻手指之间的距离和夹角角度进行比对,得到手指距离和夹角相似值;根据所述手指宽度相似值、手指弯曲度相似值、以及手指距离和夹角相似值,计算所述手指特征与所述预设手指特征的第一相似值。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配之后,还包括:对待认证对象进行账号、密码和/或预设数字的校验,例如用户账号、开放账号、银行账号、身份证号码预设的数字、手机号码预设的数字等。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述提取所述手掌图像中的手掌特征,包括:
将所述手掌图像输入预先训练的手指识别神经网络,通过所述手指识别神经网络进行识别,得到手指特征;
将所述手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到掌静脉特征;和/或将所述手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到掌纹特征;和/或将所述手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到掌纹及掌静脉特征。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述获取待认证对象的手掌图像之前,还包括:当用户注册时,获取所述用户的用户账号以及所述用户的至少一张预设手掌图像;提取所述预设手掌图像中的预设手掌特征,所述预设手掌特征包括预设手指特征以及预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征;根据所述预设手掌特征,确定预设手掌模板;存储所述用户设置的所述预设手掌模板与所述用户账号的对应关系。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述提取所述预设手掌图像中的预设手掌特征,包括:
将所述预设手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到预设手指特征;
将所述预设手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到预设掌静脉特征;和/或将所述预设手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到预设掌纹特征;和/或将所述预设手掌图像输入预先训练的掌纹及掌静脉识别神经网络,通过所述掌纹及掌静脉识别神经网络进行识别,得到预设掌纹及掌静脉特征。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:若认证结果表示待认证对象合法,则根据手掌特征查找相对应的待执行指令;根据所述待执行指令,执行与所述待执行指令对应的操作。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述获取待认证对象的手掌图像之前,还包括:通过预设条件缩小手掌图像搜寻对象的范围。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:通过预设条件缩小手掌图像搜寻对象的范围,包括:接收用户终端发送的位置信息,所述位置信息是用户终端在检测到当前时间满足有效认定时间段且当前位置处于有效授权热点范围内时周期性发送的,所述用户终端和待认证对象关联;接收目标业务终端发送的信息认证请求,所述信息认证请求包括所述目标业务终端的标识信息以及采集的所述活体手掌图像信息;基于所述目标业务终端的标识信息以及各个用户终端上传的位置信息确定所述目标业务终端预设范围内的有效用户。
在一个实施例中,所述计算机程序被处理器执行时,还实现以下步骤:所述提取所述手掌图像中的手掌特征之前,还包括:判断所述手掌图像是否达标;若所述手掌图像达标,则判断所述手掌图像是否符合特征提取需求;若所述手掌图像符合特征提取需求,则对所述手掌图像进行活体识别,判断所述手掌图像是否来源于真实活体。
需要说明的是,本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
而在本实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以是计算机设备中所包含的;也可以是单独存在,而未装配入该计算机设备中。可以以一种或多种程序设计语言或其组合来编写用于执行本实施例的操作的计算机程序,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Python、C++,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或计算机设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
需要说明的是,上述实施例提供的装置仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,上述实施例中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与上述实施例公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
本领域技术人员应当理解,本发明不限于上述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (16)
1.一种基于手掌生物识别的身份认证方法,其特征在于,所述方法包括:
获取待认证对象的手掌图像;
提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;
根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
2.根据权利要求1所述的身份认证方法,其特征在于,所述根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,包括:
将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配,以对所述待认证对象进行合法性认证,得到认证结果。
3.根据权利要求2所述的身份认证方法,其特征在于,所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配,包括:
将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值;
针对所述第一相似值大于第一预设阈值所对应的预设手掌模板,将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值;
针对所述第二相似值大于第二预设阈值所对应的预设手掌模板,判断该预设手掌模板对应的用户账号为所述待认证对象的账号。
4.根据权利要求3所述的身份认证方法,其特征在于,所述将所述掌静脉特征、所述掌纹特征和/或所述掌纹及掌静脉特征与该预设手掌模板对应的预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征进行比对,得到第二相似值,包括:
将所述掌静脉特征与该预设手掌模板的预设掌静脉特征进行比对,得到第二相似值;
和/或将所述掌纹特征与该预设手掌模板的预设掌纹特征进行比对,得到第二相似值;
和/或将所述掌纹及掌静脉特征与该预设手掌模板的预设掌纹及掌静脉特征进行比对,得到第二相似值。
5.根据权利要求3所述的身份认证方法,其特征在于,所述将所述手指特征与每个所述预设手掌模板的预设手指特征进行比对,得到第一相似值,包括:
将所述手指特征的每个手指宽度与所述预设手指特征的每个手指宽度进行比对,得到手指宽度相似值;
将所述手指特征的每个手指弯曲度与所述预设手指特征的每个手指弯曲度进行比对,得到手指弯曲度相似值;
将所述手指特征的每两个相邻手指之间的距离和夹角角度与所述预设手指特征的每两个相邻手指之间的距离和夹角角度进行比对,得到手指距离和夹角相似值;
根据所述手指宽度相似值、手指弯曲度相似值以及手指距离和夹角相似值,计算所述手指特征与所述预设手指特征的第一相似值。
6.根据权利要求2所述的身份认证方法,其特征在于,所述将所述手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征与每个所述预设手掌模板对应特征进行匹配之后,还包括:
对待认证对象进行账号、密码和/或预设数字的校验。
7.根据权利要求1所述的身份认证方法,其特征在于,所述提取所述手掌图像中的手掌特征,包括:
将所述手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到手指特征;
将所述手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到掌静脉特征;和/或将所述手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到掌纹特征;和/或将所述手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到掌纹及掌静脉特征。
8.根据权利要求1-7任一项所述的身份认证方法,其特征在于,所述获取待认证对象的手掌图像之前,还包括:
当用户注册时,获取所述用户的用户账号以及所述用户的至少一张预设手掌图像;
提取所述预设手掌图像中的预设手掌特征,所述预设手掌特征包括预设手指特征以及预设掌静脉特征、预设掌纹特征和/或预设掌纹及掌静脉特征;
根据所述预设手掌特征,确定预设手掌模板;
存储所述预设手掌模板与所述用户账号的对应关系,并存储所述用户设置的所述预设手掌模板与待执行指令的对应关系。
9.根据权利要求8所述的身份认证方法,其特征在于,所述提取所述预设手掌图像中的预设手掌特征,包括:
将所述预设手掌图像输入预先训练的手指识别神经网络分类器,通过所述手指识别神经网络进行识别,得到预设手指特征;
将所述预设手掌图像输入预先训练的掌静脉识别神经网络分类器,通过所述掌静脉识别神经网络进行识别,得到预设掌静脉特征;和/或将所述预设手掌图像输入预先训练的掌纹识别神经网络分类器,通过所述掌纹识别神经网络进行识别,得到预设掌纹特征;和/或将所述预设手掌图像输入预先训练的掌纹及掌静脉识别神经网络分类器,通过所述掌纹及掌静脉识别神经网络进行识别,得到预设掌纹及掌静脉特征。
10.根据权利要求1-7任一项所述的身份认证方法,其特征在于,所述获取待认证对象的手掌图像之前,还包括:
通过预设条件缩小手掌图像搜寻对象的范围。
11.根据权利要求10所述的身份认证方法,其特征在于,所述通过预设条件缩小手掌图像搜寻对象的范围,包括:
接收用户终端发送的位置信息,所述位置信息是用户终端在检测到当前时间满足有效认定时间段且当前位置处于有效授权热点范围内时周期性发送的,所述用户终端和待认证对象关联;
接收目标业务终端发送的信息认证请求,所述信息认证请求包括所述目标业务终端的标识信息以及采集的所述活体手掌图像信息;
基于所述目标业务终端的标识信息以及各个用户终端上传的位置信息确定所述目标业务终端预设范围内的有效用户。
12.根据权利要求1-7任一项所述的身份认证方法,其特征在于,所述提取所述手掌图像中的手掌特征之前,还包括:
判断所述手掌图像是否达标;
若所述手掌图像达标,则判断所述手掌图像是否符合特征提取需求;
若所述手掌图像符合特征提取需求,则对所述手掌图像进行活体识别,判断所述手掌图像是否来源于真实活体。
13.根据权利要求1-7任一项所述的身份认证方法,其特征在于,还包括:
若认证结果表示待认证对象合法,则根据手掌特征查找相对应的待执行指令;
根据所述待执行指令,执行与所述待执行指令对应的操作。
14.一种基于手掌生物识别的身份认证装置,其特征在于,所述装置包括:
获取模块,用于获取待认证对象的手掌图像;
提取模块,用于提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;
认证模块,用于根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果,所述预设手掌模板列表中的每个预设手掌模板为至少一组预设手掌特征构成的模板。
15.一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1-13任一项所述的身份认证方法。
16.一种计算机可读存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-13任一项所述的身份认证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110515788.XA CN113378640A (zh) | 2021-05-12 | 2021-05-12 | 基于手掌生物识别的身份认证方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110515788.XA CN113378640A (zh) | 2021-05-12 | 2021-05-12 | 基于手掌生物识别的身份认证方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113378640A true CN113378640A (zh) | 2021-09-10 |
Family
ID=77572538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110515788.XA Pending CN113378640A (zh) | 2021-05-12 | 2021-05-12 | 基于手掌生物识别的身份认证方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378640A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391708A (zh) * | 2023-12-12 | 2024-01-12 | 深圳市深讯科科技有限公司 | 一种基于生物体征的移动支付身份认证方法及系统 |
CN117558040A (zh) * | 2024-01-12 | 2024-02-13 | 盛视科技股份有限公司 | 一种基于掌静脉识别的键盘鼠标控制方法 |
-
2021
- 2021-05-12 CN CN202110515788.XA patent/CN113378640A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391708A (zh) * | 2023-12-12 | 2024-01-12 | 深圳市深讯科科技有限公司 | 一种基于生物体征的移动支付身份认证方法及系统 |
CN117391708B (zh) * | 2023-12-12 | 2024-03-26 | 深圳市深讯科科技有限公司 | 一种基于生物体征的移动支付身份认证方法及系统 |
CN117558040A (zh) * | 2024-01-12 | 2024-02-13 | 盛视科技股份有限公司 | 一种基于掌静脉识别的键盘鼠标控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7279973B2 (ja) | 指定ポイント承認における身元識別方法、装置及びサーバ | |
US9547855B2 (en) | Gesture-based device | |
US11039314B2 (en) | Method for passive authentication of an individual using an individual's geo-location via a communication network and blockchain associated recording of individual's authentication data | |
US9965608B2 (en) | Biometrics-based authentication method and apparatus | |
US9349035B1 (en) | Multi-factor authentication sensor for providing improved identification | |
US20160232516A1 (en) | Predictive authorization of mobile payments | |
KR102584459B1 (ko) | 전자 장치 및 이의 인증 방법 | |
US11989275B2 (en) | Passive identification of a device user | |
JP7213596B2 (ja) | 動的ラスタライズ管理に基づく身元識別方法、装置及びサーバ | |
JP2022513978A (ja) | 表情グループに基づく操作決定方法、装置及び電子機器 | |
CN113378640A (zh) | 基于手掌生物识别的身份认证方法、装置、设备及介质 | |
JP6757482B1 (ja) | 認証システム、認証端末、ユーザ端末、認証方法、及びプログラム | |
CN111178139A (zh) | 一种身份认证的方法以及支付方法和支付设备 | |
EP3786820A1 (en) | Authentication system, authentication device, authentication method, and program | |
US11928199B2 (en) | Authentication system, authentication device, authentication method and program | |
JP6584855B2 (ja) | 入力支援装置、入力支援方法及びプログラム | |
US11722904B2 (en) | Electronic system for construction and detection of spatial movements in a VR space for performance of electronic activities | |
KR102629007B1 (ko) | 사용자 인증 방법 및 시스템 | |
US11991180B2 (en) | Authentication system, authentication device, authentication method and program | |
AU2014203705B2 (en) | Gesture-based device | |
US11928265B1 (en) | Finger tracking to write on or correct mistakes on physical documents | |
JP2017037487A (ja) | 判定装置、判定方法及びプログラム | |
Castaño | Multi-Modal Authentication Systems for Secure Access Control in Autonomous Vehicles | |
Dong et al. | Motion-Sequence Authentication System: Guard for Smart Phones | |
Xaviar et al. | LUIS: ALight WEIGHT USER IDENTIFICATION SCHEME FOR SMARTPHONES |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |